[发明专利]一种基于智能建筑AI的能耗分析诊断方法

说明书

本发明涉及一种基于智能建筑AI的能耗分析诊断方法。其核心是根据海量数据构建的AI模型，通过AI模型生成的相应信息进行后续的处理。在系统已授权AI模型进行设备操作的情况下，配合自生成的异常问题诊断的报告书进行后续的设备调度处理，例如空调设备，在通过智能建筑采集网关采集人体感应器判断某个房间或区域是否存在人员的设备下发关闭或自动化调节温度及功能模式等指令，通过类似这样的调度方式可以降低能耗以达到减少成本、节能减排的效果。

技术领域

本发明可应用于高铁站、政府办公大楼、酒店、医院、园区、写字楼等大型商用建筑系统的能耗分析领域，具体涉及一种基于智能建筑AI的能耗分析诊断方法。

背景技术

现有的智能建筑能耗管理模式：

(1)只能根据现有数据生成的图表及运维人员的经验去判断能耗是否有问题，指标定制不够灵活多变且往往是已产生能耗异常过后的一段时间内才发现问题。

(2)发生能耗相关问题时无法快速定位问题原因，需要咨询各个设备的运维人员。

(3)需要人员对设备进行确认后逐个进行调度，容易发生疏漏或下发错误指令等问题。

发明内容

本发明的目的在于提供一种基于智能建筑AI的能耗分析诊断方法，通过在智能建筑中引入AI模块，根据能耗趋势预测达到提前预警，缩短能耗异常问题诊断的时间及响应时间，同一规范的执行设备操作，达成从能耗分析到能耗异常及异常定位、诊断最后解决的一体化服务。

为实现上述目的，本发明的技术方案是：一种基于智能建筑AI的能耗分析诊断方法，通过智能建筑的采集网关采集设备能耗使用数据，使用数据分析算法+AI深度学习模型进行可视化处理及异常分析，实现数据透明、智能运维和设备智能调度的服务。

在本发明一实施例中，所述AI深度学习模型包括LSTM、GRU和DNN。

在本发明一实施例中，通过数据分析算法中的数据挖掘技术和LSTM对设备能耗使用数据进行可视化处理，其中LSTM公式如下：

其中表示张量里的数据对应相乘相加，L_t为长期记忆流数据，H_t为短期记忆流数据，X_t为输入流数据，Y_t为输出流数据，下标t代表当前时间步，t-1代表上一个时间步，a、b、c、d代表四个内部神经单元，σ即S函数、tanh即双曲正切函数均为激活函数，W_xi、W_hi为i神经单元的权重张量，b_i为i神经单元的偏置，i＝a、b、c、d。

在本发明一实施例中，通过数据分析算法和GRU对设备能耗使用数据进行趋势预测并对可能发生的异常值进行预警，并使用DNN与大数据技术实现的专家模型生成异常检测报告和处理方案，而后使用IBMS的楼宇自控技术在已授权的情况下根据处理方案进行一键式控制，调整设备运行功能以达到减少能耗的目的，GRU的基本公式如下：

其中X_t为输入流数据，Y_t为输出流数据，GRU为LSTM的变体，G_t为将LSTM中的长期记忆流与短期记忆流的数据合并的算法。

相较于现有技术，本发明具有以下有益效果：本发明方法通过在智能建筑中引入AI模块，根据能耗趋势预测达到提前预警，缩短能耗异常问题诊断的时间及响应时间，同一规范的执行设备操作，达成从能耗分析到能耗异常及异常定位、诊断最后解决的一体化服务。

附图说明

图1为本发明方法流程示意图。